Reposent sur la plateforme SmartGov de simulation et d'apprentissage multi-agent : https://github.com/smartgov-liris

Contact et Encadrement : V. Deslandres, MCF, veronique dot deslandres at liris dot cnrs dot fr

Ces projets visent à contribuer au développement de la plateforme SmartGov de l'équipe, qui est une plateforme de simulations de politiques urbaines de mobilité à destination d’un décideur, acteur de la fonction publique ou experts en mobilité (cabinets d’études). Différentes instances existent, mais le travail s’effectuera sur un champ d’application lié à la mise en place d’une ZFE (Zone à Faible Émission) sur la ville de LYON.

La plateforme possède une IA (liée au simulateur mais indépendante) qui lui permet d’apprendre la meilleure politique en fonction des contraintes et d’indicateurs définis avec le décideur.

Ce projet #1 concernera pour l’essentiel des tâches d’IHM dans le but de favoriser la co-construction de la politique urbaine :

• Interface pour lancer les simulations autrement qu'en ligne de commande ;
• Interface permettant de fixer les paramètres que l'on souhaite pour la simulation : pouvoir le faire en début de simulation dans un premier temps ;
• Interface pour simplement observer l’impact d’une politique : permettre au décideur de choisir une configuration de politique (les modalités de mise en œuvre de la politique), et lancer la simulation sur cette configuration. Il faudra réfléchir à comment visualiser les éléments sur la carte pour que ce soit intuitif.
• Permettre une visualisation du résultat final des simulations et de l'apprentissage.

Technologies : java, javascript, python

Document : sujet1

Ce projet #2 vise à développer les interactions avec le décideur pour favoriser la co-construction de la politique urbaine :

• Permettre au décideur de modifier les paramètres de la simulation en cours

• Permettre au décideur de donner son avis sur les actions proposées par l’algorithme d’apprentissage.
• Dans ce cas, l’idée serait que le système connaisse les raisons qui font que le décideur change de modalités : il faudra pour cela réfléchir comment intégrer les raisons du décideur dans l’algorithme d’apprentissage. Voir si c’est réalisable sur la période du projet.
• Si ce dernier point s’avère trop complexe, on pourra développer une nouvelle instance de politique urbaine, par exemple : la définition d’une politique de ramassage des déchets avec des poubelles connectées, création et dimensionnement de nouveaux parking relais pour diminuer la congestion intra urbaine, et ainsi tester possibilités d’interactions développées dans les 2 premiers points.

Technologies : java, javascript, python

Document : sujet2